[发明专利]一种基于大数据网格下的用电异常行为分析方法和装置

说明书

本发明涉及用电异常行为分析技术，揭露了一种基于大数据网格下的用电异常行为分析方法和装置，包括：将历史用电数据划分成用电数据簇集，依次对用电数据簇集进行数据清洗和异常标定，得到标准用电数据簇集；从标准用电数据簇集中提取出用电数据特征，对用电数据特征进行采样，得到标准特征序列；将标准特征序列网格划分成动态用电网格；根据动态用电网格中各个网格单元的单元密度对动态用电网格进行特征聚类，得到用电特征类集；根据用电特征类集的偏差因子确定出用电特征类集中的用电异常类，并将用电异常类对应的用电行为作为异常用电行为。本发明可以提高用电异常行为分析的准确性。

技术领域

本发明涉及用电异常行为分析技术领域，尤其涉及一种基于大数据网格下的用电异常行为分析方法和装置。

背景技术

准确的电力需求特性分析已成为电力企业生产经营和计划管理工作的一项重要内容，也是指导电力企业经营计划工作非常重要的一个环节，为了辅助电力需求特性分析，需要对用电行为进行异常分析；

现有的用电异常行为分析技术多为基于用户经验的异常分析，例如，电力员工根据多年的工作经验发现用电数据中的异常数据，并进行标定，实际应用中，基于用户经验的异常分析对用户的经验有较高的要求，且需要耗费大量的人力物力，并且员工的经验不一定准确，可能导致进行异常用电行为分析时的准确性较低。

发明内容

本发明提供一种基于大数据网格下的用电异常行为分析方法和装置，其主要目的在于解决进行异常用电行为分析时的准确性较低的问题。

为实现上述目的，本发明提供的一种基于大数据网格下的用电异常行为分析方法，包括：

获取历史用电数据，按照数据种类对所述历史用电数据进行数据划分，得到用电数据簇集，依次对所述用电数据簇集进行数据清洗和异常标定，得到标准用电数据簇集；

从所述标准用电数据簇集中提取出用电数据特征，利用预设的时域窗口对所述用电数据特征进行采样，得到标准特征序列；

选取所述标准特征序列中的位于首位的标准特征作为目标标准特征，利用所述目标标准特征生成所述标准特征序列的用电数据网格，并利用所述标准特征序列中除所述目标标准特征之外的其余的标准特征对所述用电数据网格进行扩展，得到动态用电网格；

计算出所述动态用电网格中各个网格单元的单元密度，根据所述单元密度对所述动态用电网格进行特征聚类，得到用电特征类集；

将所述用电特征类集划分为异常特征类和正常特征类，计算出所述正常特征类所对应的各个标准特征的偏差因子，根据所述偏差因子对所述异常特征类进行更新，得到标准异常特征类，并将所述标准异常特征类对应的用电行为作为异常用电行为，其中，所述计算出所述正常特征类所对应的各个标准特征的偏差因子，包括：

从所述异常特征类中提取出簇心异常特征，逐个选取所述正常特征类对应的标准特征作为目标标准特征；

利用如下的偏差因子算法计算出所述簇心异常特征与所述目标标准特征之间的偏差因子：

其中，是指所述偏差因子，是预设的对抗系数，是指所述簇心异常特征，是指所述目标标准特征，是点乘算法，是叉乘算法。

可选地，所述依次对所述用电数据簇集进行数据清洗和异常标定，得到标准用电数据簇集，包括：

逐个选取所述用电数据簇集中的用电数据簇作为目标数据簇，按照时序对所述目标数据簇中的数据进行排序，得到目标时序簇；

利用预设的占位符替换所述目标时序簇中的乱码数据和越位数据，得到初级时序簇；

逐个选取所述初级时序簇中的占位符作为目标占位符，选取所述目标占位符周围的若干数据组成目标占位数据集；